digilib@itb.ac.id +62 812 2508 8800

Perkembangan sistem asesmen adaptif bertujuan untuk mengoptimalkan jalur belajar individu melalui personalisasi konten pembelajaran. Namun, ketergantungan pada algoritma personalisasi yang agresif berisiko memicu fenomena overpersonalization, yang menciptakan filter bubbles akademik dan mengisolasi pemelajar dari keragaman perspektif. Kondisi ini dapat menyebabkan pengambilan sampel informasi yang selektif serta stagnasi pembelajaran (learning plateau). Penelitian ini bertujuan untuk merancang dan mengimplementasikan purwarupa sistem asesmen adaptif kolaboratif. Sistem diimplementasikan menggunakan arsitektur client-server dengan algoritma Modified Elo Rating untuk memodelkan kemampuan kognitif pemelajar. Selanjutnya, mekanisme mitigasi diimplementasikan melalui deteksi stagnasi berbasis variansi perubahan skor (??) dan algoritma Constraint-Based Re-ranking untuk memasangkan pemelajar dengan sejawat yang memiliki tingkat kompetensi heterogen (Cohen’s d ? 0,5). Terakhir, evaluasi sistem dilakukan melalui Controlled Lab Study yang melibatkan sepuluh partisipan yang dibagi ke dalam kelompok intervensi dan kontrol pada domain pembelajaran SQL. Hasil pengujian menunjukkan bahwa kelompok intervensi mencapai peningkatan hasil belajar yang signifikan dengan nilai Normalized Learning Gain (NLG) antara 0,57 hingga 0,69 (kategori sedang ke tinggi), sementara kelompok kontrol mengalami penurunan performa (NLG -0,21). Analisis trajektori kemahiran mengindikasikan intervensi kolaboratif mampu mengembalikan pertumbuhan belajar dengan rata-rata perbedaan gradien sebesar +0,67 setelah titik stagnasi terdeteksi. Algoritma re-ranking juga terbukti efektif menciptakan pasangan heterogen dengan rata-rata Cohen’s d sebesar 1,186. Dari penelitian ini, disimpulkan bahwa integrasi intervensi sosial yang proaktif dan terautomasi menunjukkan indikasi efektif untuk memitigasi overpersonalization dalam lingkungan pembelajaran adaptif. Ke depannya penelitian dapat dikembangkan dengan rekalibrasi parameter stagnasi dan integrasi LLM untuk scaffolding peer review.